何在python中将xml文件解析为xlsx

Question

我有一个这样的文件 xml（输入）：

> <?xml version="1.0" encoding="UTF-8" standalone="yes"?\>
> <obs id="0"\>
> <dim name="Column1" value="a"/\>
> <dim name="Column2" value="b"/\>
> </obs\>
> <obs id="1">
> <dim name="Column1" value="tr"/\>
> <dim name="Column2" value="yu"/\>
> </obs\>

我该怎么做才能在 xlsx 文件中进行解析？ 我想要一个这样的 xlsx 文件：

列 1|列 2 a |b tr |yu

专栏1	专栏2
一种	b
特	于

非常感谢。 我试过其他 xml 解析器，但我没有意识到解决方案。

Answer 1

您可以使用BeautifulSoup解析 XML 文档 + pandas以将数据框保存为 CSV 和/或 Excel 格式：

import pandas as pd
from bs4 import BeautifulSoup


with open("your_file.xml", "r") as f_in:
    soup = BeautifulSoup(f_in.read(), "html.parser")  # <-- you can ignore the warning or use different parser, such as `xml`

all_data = []
for obs in soup.select("obs"):
    d = {}
    for dim in obs.select("dim[name][value]"):
        d[dim["name"]] = dim["value"]

    all_data.append(d)

df = pd.DataFrame(all_data)
print(df)

df.to_csv('data.csv', index=False)

这打印：

  Column1 Column2
0       a       b
1      tr      yu

并保存data.csv 。

---

输入文件是：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<obs id="0">
<dim name="Column1" value="a" />
<dim name="Column2" value="b" />
</obs>
<obs id="1">
<dim name="Column1" value="tr" />
<dim name="Column2" value="yu" />
</obs>

Answer 2

您需要一个只有一个root element的格式良好的 XML，例如：

<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<root>
  <obs id="0">
    <dim name="Column1" value="a"/>
    <dim name="Column2" value="b"/>
  </obs>
  <obs id="1">
    <dim name="Column1" value="tr"/>
    <dim name="Column2" value="yu"/>
  </obs>
</root>

您可以将此 xml 解析为 pandas DataFrame的列和行，并使用 pandas ExcelWriter()将此df写入 Excel 工作表：

import xml.etree.ElementTree as ET
import pandas as pd
import openpyxl

tree = ET.parse('Excel.xml')
root = tree.getroot()

columns = []
data = []
for elem in root.iter('dim'):
    if elem.get('name') not in columns:
        columns.append(elem.get('name'))
    if elem.get('name') == "Column1":
        c1 = elem.get('value')
    else:
        c2 = elem.get('value')
        row = (c1, c2)
        data.append(row)

df = pd.DataFrame(data, columns=columns)
print(df)

with pd.ExcelWriter("Excel.xlsx") as writer:
    df.to_excel(writer) 

结果：